rules untuk prediksi kewirausahaan theory of planned …

KERJA PRAKTIK – KI141330

Pembentukan Rules untuk Prediksi Kewirausahaan Mahasiswa berdasarkan Theory of Planned Behavior Gedung Departemen Teknik Informatika Jl. Teknik Kimia, Kampus Institut Teknologi Sepuluh Nopember Surabaya, Jalan Raya ITS, Sukolilo Surabaya 60111, Indonesia Periode: 1 Juni 2020 – 28 Agustus 2020

Oleh:

Ifta Jihan Nabila 05111740000034

Pembimbing Jurusan Diana Purwitasari, S.Kom., M.Sc. Pembimbing Lapangan Nova Rijati DEPARTEMEN TEKNIK INFORMATIKA Fakultas Teknologi Elektro dan Informatika Cerdas Institut Teknologi Sepuluh Nopember Surabaya 2020

ii

ii

[Halaman ini sengaja dikosongkan]

iii

iii

KERJA PRAKTIK – KI141330

Pembentukan Rules untuk Prediksi Kewirausahaan Mahasiswa berdasarkan Theory of Planned Behavior Gedung Departemen Teknik Informatika Jl. Teknik Kimia, Kampus Institut Teknologi Sepuluh Nopember Surabaya, Jalan Raya ITS, Sukolilo Surabaya 60111, Indonesia Periode: 1 Juni 2020 – 28 Agustus 2020

Oleh:


Pembimbing Jurusan Diana Purwitasari, S.Kom., M.Sc. Pembimbing Lapangan Nova Rijati DEPARTEMEN TEKNIK INFORMATIKA Fakultas Teknologi Elektro dan Informatika Cerdas Institut Teknologi Sepuluh Nopember Surabaya 2020

iv

iv


v

v

LEMBAR PENGESAHAN

KERJA PRAKTIK

Pembentukan Rules untuk Prediksi Kewirausahaan Mahasiswa

berdasarkan Theory of Planned Behavior

Oleh:


Disetujui oleh Pembimbing Kerja Praktik:

1. Diana Purwitasari, S.Kom., M.Sc.

NIP. 197804102003122001

(Pembimbing Departemen)

2. Nova Rijati Ssi, M.Kom

Universitas Dian Nuswantoro

(Pembimbing Lapangan)

vi

vi


vii

vii

Pembentukan Rules untuk Prediksi Kewirausahaan Mahasiswa

berdasarkan Theory of Planned Behavior

Nama Mahasiswa : Ifta Jihan Nabila

NRP : 05111740000034

Departemen : Teknik Informatika FTEIC-ITS

Pembimbing Jurusan : Diana Purwitasari, S.Kom., M.Sc.

ABSTRAK

Potensi kewirausahaan mahasiswa yang diidentifikasi secara

akurat dan dikelola secara optimal akan memberikan kontribusi yang

cukup signifikan pada pembangunan sosial dan ekonomi suatu bangsa.

Populasi mahasiswa berwirausaha yang sangat sedikit mengakibatkan

kondisi ketidakseimbangan kelas data yang berdampak pada

ketidakakuratan kinerja machine learning.

Pada penelitian ini mengusulkan sebuah teknik preprocessing

menggunakan kombinasi teknik sampling SMOTE-NC+IHT dengan

teknik seleksi atribut Information Gain untuk mengoptimalkan

pemanfaatan database perguruan tinggi nasional sehingga

menghasilkan dataset seimbang yang layak untuk teknik machine

learning.

Berdasarkan evaluasi hasil eksperimen, sebuah model yang

mengintegrasikan teknik sampling SMOTE-NC+IHT, metode

clustering K-Means dengan algoritma pembentukan rule J48 dapat

membangkitkan ruleset berdasarkan Theory of Planned Behavior

(TPB) dengan kinerja prediksi yang efektif.

Kata kunci: pembentukan rule, prediksi kewirausahaan

viii

viii

KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha

Esa karena atas berkat limpahan rahmat dan lindungan-Nya penulis

dapat melaksanakan salah satu kewajiban sebagai mahasiswa Teknik

Informatika ITS yaitu Kerja Praktik (KP).

Penulis menyadari masih terdapat banyak kekurangan baik

dalam pelaksanaan kerja praktik maupun penyusunan buku laporan

ini, namun kami berharap buku laporan ini dapat menambah wawasan

pembaca dan dapat menjadi sumber referensi. Penulis mengharapkan

kritik dan saran yang membangun untuk kesempurnaan penulisan

buku laporan ini.

Melalui laporan ini penulis juga ingin menyampaikan rasa

terima kasih kepada kepada orang-orang yang telah membantu dalam

pelaksanaan kerja praktik hingga penyusunan laporan Kerja praktik

baik secara lngsung maupun tidak langsung. Orang-orang tersebut

antara lain adalah:

1. Orang tua penulis,

2. Ibu Diana Purwitasari, S.Kom., M.Sc. selaku dosen

pembimbing kerja praktik yang telah membimbing penulis

selama kerja praktik berlangsung.

3. Bapak Ary Mazharuddin Shiddiqi, S.Kom., M.Comp.Sc.,

Ph.D selaku koordinator Kerja Praktik.

4. Ibu Nova Rijati selaku pembimbing lapangan selama kerja

praktik yang telah memberikan bimbingan serta ilmunya

kepada penulis.

Surabaya, Oktober 2020

Penulis

ix

ix


x

x

DAFTAR ISI

ABSTRAK................................................................................... VII

KATA PENGANTAR ................................................................... VIII

DAFTAR ISI .................................................................................. X

DAFTAR TABEL .......................................................................... XII

DAFTAR GAMBAR .................................................................... XIII

BAB I PENDAHULUAN ...................................................................1 LATAR BELAKANG ....................................................................... 1 TUJUAN .................................................................................... 2 MANFAAT ................................................................................. 2 RUMUSAN PERMASALAHAN ......................................................... 2 LOKASI DAN WAKTU KERJA PRAKTIK .............................................. 3 METODOLOGI KERJA PRAKTIK ...................................................... 3 SISTEMATIKA LAPORAN ............................................................... 4

BAB II TINJAUAN PUSTAKA ...........................................................7 2.1 JUPYTER NOTEBOOK ................................................................... 7 2.2 ORANGE ................................................................................... 7 2.3 WEKA ..................................................................................... 7 2.4 THEORY OF PLANNED BEHAVIOR ................................................... 7 2.5 TEKNIK SAMPLING ...................................................................... 8 2.5.1 OVERSAMPLING ......................................................................... 8 2.5.2 UNDERSAMPLING ....................................................................... 9 2.6 K-MEANS CLUSTERING ................................................................ 9

xi

xi

2.7 ALGORITMA PEMBUATAN RULES ................................................ 10 2.7.1 RULE-BASED CLASSIFIER ............................................................. 10 2.7.2 DECISION TREE ........................................................................ 11

BAB III METODOLOGI PENELITIAN ............................................... 13 3.1 DATA ..................................................................................... 13 3.2 LANGKAH ANALISIS .................................................................. 15

BAB IV HASIL DAN PEMBAHASAN ............................................... 18 4.1 PRA-PROSES DATA ................................................................... 18

4.1.1 Penghapusan Kolom ................................................ 18 4.1.2 Pengisian Missing Values ........................................ 18 4.1.3 Penghapusan Data Tidak Relevan........................... 19 4.1.4 Pelabelan (Diskritisasi) ............................................ 19

4.2 CLUSTERING ............................................................................ 21 4.3 PENANGANAN DATA TIDAK SEIMBANG ....................................... 23 4.4 SELEKSI FITUR.......................................................................... 26 4.5 VERIFIKASI TEKNIK SAMPLING DAN KLASIFIKASI ........................... 27 4.6 PEMBUATAN RULES ................................................................. 28 4.7 VALIDASI MODEL ..................................................................... 33

BAB V KESIMPULAN DAN SARAN ................................................ 37

DAFTAR PUSTAKA ...................................................................... 38

BIODATA PENULIS ...................................................................... 40

xii

xii

DAFTAR TABEL

Tabel 1. Nama Kolom pada Data ..................................................... 13 Tabel 2. Diskritisasi .......................................................................... 19 Tabel 3. Skenario Clustering ............................................................ 21 Tabel 4. Hasil Undersampling .......................................................... 24 Tabel 5. Rata-Rata AUC tiap Skenario ............................................ 27 Tabel 6. Hasil Ujicoba Skenario Kedua ........................................... 31 Tabel 7. Rules Prediksi untuk Data 01 ............................................. 32 Tabel 8. Rules Prediksi untuk Data 02 ............................................. 33 Tabel 9. Performa Rules Prediksi untuk Data 01 ............................. 34 Tabel 10. Performa Rules Prediksi untuk Data 02 ........................... 35

xiii

xiii

DAFTAR GAMBAR

Gambar 1. 4 Cluster Terbentuk ........................................................ 22 Gambar 2. Perbandingan Metode Sampling ..................................... 25 Gambar 3. Perbandingan Performa Algoritma dari 3 Skenario ........ 29

xiv

xiv


1

1

BAB I

PENDAHULUAN

Latar Belakang

Agar dapat mengenali potensi dan mengembangkan

minat kewirausahaan mahasiswa secara optimal, pemangku

kepentingan perlu memahami dan mempunyai pengetahuan

tentang faktor-faktor yang berpengaruh terhadap minat

kewirausahaan mahasiswa. Salah satu pendekatan yang

cocok untuk memahami perilaku kewirausahaan adalah

Theory of Planned Behavior (TPB). Penelitian perilaku

kewirausahaan di kalangan mahasiswa menunjukkan bahwa

variabel yang ada pada TPB yang disertai dengan

pendidikan kewirausahaan memberikan pengaruh yang

positif dan signifikan terhadap peningkatan minat

kewirausahaan mahasiswa yang pada akhirnya mampu

membentuk sikap kewirausahaan. Faktor lain yang

mempengaruhi jiwa kewirausahaan adalah sikap dan

karakteristik individu.

Dengan menumbuhkan minat

kewirausahaan, diharapkan potensi kewirausahaan

mahasiswa berkembang secara optimal sehingga

berkontribusi pada pembangunan sosial dan ekonomi suatu

bangsa.

2

2

Tujuan

Tujuan dalam pelaksanaan kerja praktik kali ini yaitu

sebagai berikut:

Mempelajari pengaruh proses akademik yang dinamis

terhadap minat kewirausahaan

Pembentukan algoritma pembangkit aturan untuk

memprediksi potensi kewirausahaan mahasiswa

Pembentukan aturan pada data yang tidak seimbang yang

diperoleh dari database akademik

Melakukan komparasi untuk menentukan algoritma

pembangkit aturan terbaik

Manfaat

Berikut manfaat yang diperoleh melalui kerja praktik:

Dapat memudahkan perguruan tinggi untuk menentukan

potensi kewirausahaan dari tiap mahasiswa

Dapat memudahkan perguruan tinggi dalam memberikan

pembekalan tentang wirausaha kepada mahasiswa secara

efektif dan efisien

Rumusan Permasalahan

Berikut rumusan masalah dalam pelaksanaan kerja

praktik:

Bagaimana menerapkan metode clustering pada data

yang tidak seimbang?

3

3

Bagaimana menentukan algoritma pembangkit aturan

terbaik untuk prediksi potensi wirausaha?

Lokasi dan Waktu Kerja Praktik

Kerja praktik kali ini dilaksanakan pada waktu dan

tempat sebagai berikut:

Lokasi : Gedung Departemen Teknik Informatika

Alamat : Jl. Teknik Kimia, Kampus Institut Teknologi

Sepuluh Nopember Surabaya, Jalan Raya

ITS, Sukolilo Surabaya 60111, Indonesia

Waktu : 1 Juni 2020 – 28 Agustus 2020

Metodologi Kerja Praktik

1.6.1 Perumusan Masalah

Untuk mengetahui bagaimana penanganan data yang

tidak seimbang serta dilakukannya teknik clustering dan

menentukan algoritma terbaik untuk membuat aturan

prediksi potensi wirausaha mahasiswa. Penjelasan oleh

pembimbing lapangan kerja praktik kali ini menghasilkan

beberapa catatan mengenai gambaran secara garis besar

tentang metode yang harus dilakukan untuk mengolah data

dan menerapkan beberapa algoritma pembangkit aturan.

Setelah itu dilakukan diskusi lebih lanjut untuk memberikan

referensi terkait metode yang akan diterapkan.

4

4

1.6.2 Studi Literatur

Pada tahap ini, setelah menentukan metode yang akan

diterapkan, bahasa pemrograman sampai dengan teknologi

beserta tools tambahan yang digunakan, dilakukan studi

literatur lanjut mengenai bagaimana penggunaannya dalam

menerapkan metode-metode tersebut.

Bahasa pemrograman yang digunakan yaitu Python

dengan menggunakan Jupyter Notebook untuk pembuatan

codenya. Beberapa library juga digunakan untuk

menjalankan beberapa metode seperti numpy, pandas,

imblearn, dan sklearn. Tools lain yang digunakan yaitu

Orange dan WEKA.

1.6.3 Metodologi Penelitian

Tahap ini dilakukan untuk menyiapkan atau mengolah

data sebelum dilakukannya teknik clustering. Praproses

data dilakukan dengan mengolah data seperti seleksi fitur

serta pengisian missing values. Penanganan data yang tidak

seimbang juga diterapkan menggunakan library imblearn.

Sistematika Laporan

Laporan kerja praktik ini terdiri dari 5 bab dengan

rincian sebagai berikut:

5

5

1. Bab I: Pendahuluan

Bab ini berisi tentang latar belakang masalah, tujuan,

manfaat, rumusan masalah, lokasi dan waktu kerja praktik,

metodologi, dan sistematika laporan.

2. Bab II: Tinjauan Pustaka

Dalam bab ini dibahas mengenai konsep-konsep

pembuatan model, dasar teori, teknologi yang dipakai dalam

pembuatan model.

3. Bab III: Metodologi Penelitian

Bab ini membahas mengenai metode penelitian yang

akan dilakukan.

4. Bab IV: Hasil dan Pembahasan

Dalam bab ini akan dibahas tentang proses serta hasil

dari penerapan metode serta pembahasan analisa yang

dilakukan terhadap hasil yang terbentuk.

7. Bab V: Kesimpulan dan Saran

Bab ini berisi tentang kesimpulan dan saran yang

didapatkan selama kerja praktik.

6

6


7

7

BAB II

TINJAUAN PUSTAKA

2.1 Jupyter Notebook

Jupyter Notebook merupakan aplikasi web open-source

yang memungkinkan pengguna untuk membuat dan berbagi

dokumen yang berisi live code, persamaan, visualisasi, dan

teks naratif.

2.2 Orange

Orange Data Mining merupakan platform Data

Analytics, yang mengedepankan Visual Programming (Free

Coding), dan dibuat oleh tim dari University of Ljubljana

dan Jožef Stefan Institute pada tahun 1996.

2.3 WEKA

WEKA merupakan perangkat lunak open-source untuk

machine learning yang telah dicoba dan diuji yang dapat

diakses melalui antarmuka pengguna grafis, aplikasi

terminal standar, atau API Java.

2.4 Theory of Planned Behavior

Theory of Planned Behavior (TPB) yang merupakan

pengembangan dari Theory of Reasoned Action (TRA)

(Ajzen dalam Jogiyanto, 2007). Jogiyanto (2007)

Mengembangkan teori ini dengan menambahkan konstruk

yang belum ada di TRA. Konstruk ini di sebut dengan

kontrol perilaku persepsian (perceived behavioral control).

8

8

Konstruk ini ditambahkan di TPB untuk mengontrol

perilaku individual yang dibatasi oleh kekurangan-

kekurangannya dan keterbatasan-keterbatasan dari

kekurangan sumber-sumber daya yang digunakan untuk

melekukan perilakunya (Hsu and Chiu 2002).

2.5 Teknik Sampling

2.5.1 Oversampling

Oversampling merupakan suatu teknik untuk

mengatasi ketidakseimbangan kelas pada dataset.

Oversampling dilakukan dengan menggandakan

sampel atau menambah data sintesis baru dari kelas

minoritas. Metode yang digunakan dalam penelitian

ini adalah SMOTE-NC dari library imblearn.

SMOTE merupakan teknik yang berdasarkan

tetangga terdekat yang dihitung berdasarkan

Euclidean Distance antara titik data di ruang fitur.

SMOTE-NC digunakan untuk tipe fitur Nominal dan

Kontinu, yang berguna untuk membuat data sintetis

untuk fitur kategorikal dan kuantitatif dalam

kumpulan data. SMOTE-NC sedikit mengubah cara

sampel baru dihasilkan dengan melakukan sesuatu

yang spesifik untuk fitur kategorikal. Kategori sampel

yang baru ditentukan dengan memilih kategori yang

paling sering muncul dari tetangga terdekat yang ada

selama pembuatan.

9

9

2.5.2 Undersampling

Undersampling adalah proses membuang

sebagian data dari kelas mayoritas, sehingga jumlah

kelas mayoritas mendekati kelas minoritas. Metode

yang digunakan dalam penelitian ini adalah Cluster

Centroids, Condensed Nearest Neighbour, Edited

Nearest Neighbours, Repeated Edited Nearest

Neighbours, AllKNN, Instance Hardness Threshold,

Near Miss, One Sided Selection, Random Under

Sampling, dan Tomek Links. Metode-metode

undersampling tersebut terdapat di dokumentasi

library imblearn.

2.6 K-Means Clustering

K-Means Clustering adalah suatu metode penganalisaan

data atau metode Data Mining yang melakukan proses

pemodelan tanpa supervisi (unsupervised) dan merupakan

salah satu metode yang melakukan pengelompokan data

dengan sistem partisi. Metode K-Means Clustering

bertujuan untuk meminimalisasikan objective function yang

diset dalam proses clustering dengan cara meminimalkan

variasi antar data yang ada di dalam suatu cluster dan

memaksimalkan variasi dengan data yang ada di cluster

lainnya.

Algoritma untuk melakukan K-Means clustering adalah

sebagai berikut:

10

10

1. Tentukan berapa banyak cluster k dari dataset yang

akan dibagi.

2. Tetapkan secara acak data k menjadi pusat awal lokasi

cluster.

3. Untuk masing-masing data, temukan cluster centroid

terdekat. Dengan demikian, masing-masing cluster

centroid memiliki sebuah subset dari dataset,

sehingga mewakili bagian dari dataset. Oleh karena

itu, telah terbentuk cluster k: C1, C2, C3, …, Ck.

4. Untuk masing-masing cluster k, temukan center dari

area cluster, dan perbarui lokasi dari masing-masing

cluster centroid ke nilai baru dari center area cluster.

5. Ulangi langkah ke-3 dan ke-5 hingga data-data pada

tiap cluster menjadi terpusat atau selesai.

2.7 Algoritma Pembuatan Rules

2.7.1 Rule-based classifier

Rule-based classifier hanyalah jenis

pengklasifikasi lain yang membuat keputusan kelas

bergantung dengan menggunakan berbagai aturan

"if..else". Kondisi yang digunakan dengan "IF"

disebut anteseden dan kelas yang diprediksi dari

setiap aturan disebut konsekuen. Pada penelitian ini

algoritma yang digunakan yaitu PART, OneR dan

RIPPER yang telah disediakan pada tools WEKA.

11

11

2.7.2 Decision Tree

Decision Tree adalah salah satu algoritma

supervised pada machine learning. Algoritma ini

dapat digunakan untuk masalah regresi dan

klasifikasi - namun, sebagian besar digunakan untuk

masalah klasifikasi. Decision Tree mengikuti

sekumpulan kondisi if-else untuk

memvisualisasikan data dan mengklasifikasikannya

sesuai dengan kondisi. Pada penelitian ini algoritma

yang digunakan yaitu J48 dan REPTree yang telah

disediakan pada tools WEKA.

12

12


13

13

BAB III

METODOLOGI PENELITIAN

Pada bab ini membahas tentang metode apa saja yang

dilakukan dalam melakukan penelitian.

3.1 Data

Data yang digunakan adalah daftar mahasiswa

Universitas Dian Nuswantoro Tahun Angkatan 2009 hingga

2014. Data ini berasal dari database pendidikan tinggi

Indonesia yang disediakan oleh Kementerian Riset,

Teknologi, dan Pendidikan Tinggi Indonesia. Data ini

memiliki jumlah baris sebanyak 350 data dan 33 kolom

dengan detil nama kolom dapat dilihat pada Tabel 1. Serta

dari 350 data, terdapat 27 mahasiswa yang menjadi

Entrepreneur. Tabel 1. Nama Kolom pada Data

No Kolom No Kolom No Kolom

1 No 12 IPK (A6) 23 IPS 3

2 NIM 13 B.Indo (A7) 24 IPS 4

3 Nama 14 B.Inggris (A8) 25 IPS 5

4 Prodi 15 Met.Penel (A9) 26 IPS 6

5 Saintek/Soshum 16 Etika Profesi

(A10) 27 IPS 7

6 SEX 17 Bimb. Karir

(A11) 28 IPS 8

14

14

7 Status Beasiswa

(A1) 18

Kewirausahaan

(A12) 29 IPS 9

8 Status Aktivis

(A2) 19

Status Ink.

Bisnis (A13) 30 IPS 10

9 Jalur Masuk (A3) 20 Status PKM

(A14) 31 IPS 11

10 Pekerjaan Ortu

(A4) 21 IPS 1 32 IPS 12

11 Penghasilan Ortu

(A5) 22 IPS 2 33

Lama

Studi

Data tersebut memiliki 14 kolom yang merupakan unsur

variabel TPB. Untuk kolom A1-A3 merupakan unsur

Attitude (Att). Sedangkan kolom A4-A6 merupakan unsur

Subjective Norms (SN). Dan untuk unsur Perceived

Behavioral Control (PBC) ada pada kolom A7-A14.

Kolom-kolom yang ada pada dataset memberikan

gambaran yang mendekati proses pendidikan di suatu

perguruan tinggi. Sejumlah 3 kolom yaitu A1, A2 dan A3

mendiskripsikan sikap-sikap yang mempengaruhi aktivitas

entrepreneurial, relevan dengan variabel Att. Sejumlah 9

(64%) kolom yaitu A4 sampai dengan A12 mendiskripsikan

proses belajar di perguruan tinggi, relevan dengan variabel

SN. Sejumlah 2 (14%) kolom yaitu A13 dan A14

mendeskripsikan aktivitas mahasiswa dalam kegiatan-

15

15

kegiatan kewirausahaan yang terprogram dan difasilitasi

pihak perguruan tinggi, relevan dengan variabel PBC.

3.2 Langkah Analisis

Langkah analisis yang dilakukan pada penelitian ini

adalah sebagai berikut:

1. Melakukan pra proses data:

Penghapusan kolom yang tidak perlu digunakan

Pengisian missing values

Melakukan penghapusan data pada data yang tidak

relevan

Melakukan pelabelan (diskritisasi) terhadap value

pada beberapa kolom dengan bobot yang telah

ditentukan

2. Melakukan teknik clustering menggunakan metode K-

Means dengan beberapa skenario menggunakan

kombinasi fitur sebagai berikut:

Semua fitur yang merupakan unsur TPB (A1-A14)

Fitur Attitude (Att)

Fitur Subjective Norms (SN)

Fitur Perceived Behavioral Control (PBC)

Fitur Attitude (Att) dan Perceived Behavioral Control

(PBC)

Fitur Subjective Norms (SN) dan Perceived

Behavioral Control (PBC)

16

16

Fitur Attitude (Att) dan Subjective Norms (SN)

3. Melakukan penanganan data yang tidak seimbang

meggunakan beberapa metode dari library imblearn

4. Melakukan seleksi fitur dengan menggunakan Orange

5. Melakukan verifikasi teknik sampling dengan berbagai

metode klasifikasi menggunakan Orange dengan

beberapa skenario sebagai berikut:


(Data 01)

5 fitur terbaik hasil seleksi fitur (Data 02)

5 fitur terbaik tanpa fitur #1 dari hasil seleksi fitur

(Data 03)

6. Membuat rules untuk prediksi menggunakan WEKA dari

beberapa dataset sebagai berikut :


(Data 01)


5 fitur terbaik tanpa fitur #1 dari hasil seleksi fitur

(Data 03)

Penambahan fitur A14 pada Data 03 (Data 04)


7. Melakukan validasi pada model yang terbentuk

berdasarkan nilai coverage dan accuracy.

17

17


18

18

BAB IV

HASIL DAN PEMBAHASAN

Pada bab ini membahas tentang hasil dari implementasi

yang telah dilakukan berdasarkan langkah analisis yang telah

ditentukan.

4.1 Pra-proses Data

4.1.1 Penghapusan Kolom

Tahap pertama yang dilakukan pada pra-proses

yaitu penghapusan kolom yang tidak perlu

digunakan untuk langkah selanjutnya. Berikut ini

daftar kolom yang akan dihapus :

NIM

Nama

Saintek/Soshum

SEX

IPS 8

IPS 9

IPS 10

IPS 11

IPS 12

4.1.2 Pengisian Missing Values

Terdapat beberapa missing values pada kolom

IPS 1 hingga IPS 7 pada dataset. Pengisian missing

values dilakukan dengan cara menghitung rata-rata

IPS pada Prodi mahasiswa yang bersangkutan

tersebut.

19

19

4.1.3 Penghapusan Data Tidak Relevan

Penghapusan data dilakukan pada data yang tidak

relevan, yakni data mahasiswa yang memiliki lama

studi di bawah 7 semester. Jumlah data pada dataset

setelah dilakukannya penghapusan yaitu sebanyak

277 baris.

4.1.4 Pelabelan (Diskritisasi)

Tahap pra-proses terakhir sebelum dilakukan

clustering adalah diskritisasi. Pelabelan bertujuan

untuk mengonversi nilai string yang ada pada kolom

menjadi nilai diskrit agar memudahkan dalam proses

clustering. Tabel 2 menunjukkan nilai diskrit/bobot

untuk setiap value yang ada pada kolom yang

memiliki unsur TPB.

Tabel 2. Diskritisasi

TP

B

Va

ria

bel

Kode Kriteria Diskritisasi

. A

ttit

ud

e

A1 Status Beasiswa

Scholarship (Sch) 1

Non-scholarship

(NonSch)

0.5

A2 Status Aktivis Activists (Act) 1

Non-activists (NonAct) 0.5

A3 Jalur Masuk Non-reguler (NR) 1

AVG > 7.0 (AVG) 0.8

20

20

TP

B

Va

ria

bel

Kode Kriteria Diskritisasi

Regular Test (RT) 0.6

Transfer (T) 0.4

Moving (M) 0.2

Su

bje

ctiv

e N

orm

s

A4 Pekerjaan Ortu

Entrepreneur (Entre) 1

Non-entrepreneur

(NonEntre)

0.5

A5 Penghasilan

Ortu

> 10 million (P1) 1

7 – 10 million (P2) 0.8

5 – 7 million (P3) 0.6

3 – 5 million (P4) 0.4

< 3 million (P5) 0.2

A6 IPK

Cumlaude (C) 1

Highly Satisfactory (HS) 0.75

Satisfying (S) 0.5

Good (G) 0.25

Nilai Mata Kuliah

A7 B.Indo A

B

C

D

E

1

0.8

0.6

0.4

0.2

A8 B.Inggris

A9 Met. Penel

A10 Etika Profesi

A11 Bimb. Karir

A12 Kewirausahaan

Per

ceiv

ed

Beh

avio

ral

Co

ntr

ol

A13 Status Ink.

Bisnis

member 1

non member 0.5

A14 Status PKM

Excellent (E) 1

Funded (F) 0.67

Proposing (P) 0.33

21

21

4.2 Clustering

Clustering dilakukan dengan menggunakan metode K-

Means. K-Means akan diterapkan pada dataset yang

menggunakan kolom dengan unsur TPB saja, yaitu kolom

dengan kode A1 hingga A14. Clustering dilakukan dengan

menggunakan 7 skenario dengan k-cluster yaitu 4. Tabel 3

menunjukkan skenario yang dipakai beserta silhouette score

yang diperoleh.

Tabel 3. Skenario Clustering

Skenario Fitur Score

1 Semua Fitur (A1-A14) 0.144

2 Attitude 0.69

3 SN 0.2

4 PBC 0.946

5 Attitude + PBC 0.4038

6 SN + PBC 0.173

7 Attitude + SN 0.16

Dapat dilihat bahwa clustering menggunakan semua

fitur (skenario 1) ternyata memiliki silhouette score

terendah (0.14), dengan kata lain skenario ini menghasilkan

pengelompokan data yang buruk, sehingga kurang layak

digunakan sebagai dataset eksperimen selanjutnya.

Sedangkan clustering pada skenario 4 (fitur PBC) dan

skenario 2 (fitur Attitude) berturut-turut memiliki silhouette

22

22

score 0.95 dan 0.65. Karena jumlah fitur pada skenario 4

dan 2 terlalu sedikit, maka fitur atau kombinasi fitur yang

terpilih sebagai dataset eksperimen selanjutnya adalah

skenario 5 (fitur Attitude+PBC) yang memiliki silhouette

score = 0.40 sehingga cukup layak sebagai dataset

eksperimen selanjutnya.

Setelah menentukan skenario untuk kombinasi fitur,

dilakukan eksperimen kedua untuk menentukan k terbaik

pada metode K-Means. Eksperimen dilakukan dengan

menggunakan nilai k = 2 hingga k = 6 untuk melihat

pembentukan cluster terbaik berdasarkan konsistensi

pengelompokan data serta melihat sebaran anggota cluster.

Berdasarkan eksperimen, dengan melihat silhouette score

dan sebaran data mahasiswa entrepreneur, clustering terbaik

dicapai untuk nilai k=4.

Gambar 1. 4 Cluster Terbentuk

23

23

Gambar 1 menunjukkan data setelah dilakukan

clustering menggunakan metode K-Means dengan k = 4.

Dari 4 cluster data yang terbentuk, data entrepreneur

sebagian besar tersebar pada C1 (10 mahasiswa) dan C3 (12

mahasiswa) serta sebagian kecil sisanya berada di C2 (4

mahasiswa) dan C4 (1 mahasiswa).

4.3 Penanganan Data Tidak Seimbang

Tahap selanjutnya yaitu untuk menyeimbangkan data

dengan teknik sampling untuk mencapai rasio yang

diinginkan antara kelas Entrepreneur dan Not-Entrepreneur

yaitu 1:2. Dari proses clustering sebelumnya, dapat dilihat

bahwa C1 dan C3 memiliki data entrepreneur yang lebih

banyak dibandingkan dengan C2 dan C4. Sehingga akan

dilakukan tahap menghasilkan data sintesis baru untuk

cluster data entrepreneur pada C1 dan C3.

Penghasilan data sintesis dilakukan dengan teknik

oversampling menggunakan metode SMOTE-NC yang

akan menghasilkan 30 data entrepreneur baru untuk C1 dan

28 data entrepreneur baru untuk C3. Sehingga data

entrepreneur pada C1 dan C3 masing-masing terdapat 40

data. Dataset yang ada sekarang memiliki jumlah 335 data

dengan komposisi Entrepreneur sebanyak 85 data dan Not-

Entrepreneur sebanyak 250 data (1:2.9).

24

24

Rasio pada kelas Status Entrepreneur belum mencapai

perbandingan 1:2, sehingga tahap selanjutnya yaitu

dilakukan teknik undersampling. Undersampling dilakukan

terhadap data Not-Entrepreneur dengan menggunakan 10

teknik undersampling dari library imblearn. Tabel 4

menunjukkan hasil ujicoba menggunakan 10 metode dan

rasio yang didapat.

Tabel 4. Hasil Undersampling

Metode undersampling yang berhasil menurunkan

jumlah data not-entrepreneur sehingga mencapai ratio 1:2

terhadap data entrepreneur adalah dengan menggunakan

metode CC, ENN, IHT, NM, dan RUS, dengan sebaran 4

cluster data yang seimbang seperti pada Gambar 2.

25

25

Gambar 2. Perbandingan Metode Sampling. (1) tidak sampling; (2) Metode

CC; (3) Metode ENN; (4) Metode IHT; (5) Metode NM; dan (6) Metode RUS

26

26

Gambar 2 menunjukkan cluster yang terbentuk pada saat

sebelum sampling dan setelah dilakukan sampling. Secara

visual, hasil dua teknik sampling mampu menghasilkan 4

cluster yang benar-benar terpisah satu dengan lainnya, yaitu

dengan metode IHT (Gambar 2 (4)) dan ENN (Gambar 2

(3)). Sedangkan teknik sampling yang lain menghasilkan

cluster yang masih terdapat banyak data yang terpisah dan

dekat dengan cluster selain clusternya.

4.4 Seleksi Fitur

Proses seleksi fitur yang dilakukan menggunakan tools

Orange pada dataset bertujuan untuk mengetahui fitur-fitur

terpenting pada variabel-variabel TPB yang mempengaruhi

status kewirausahaan mahasiswa (entrepreneur/not-

entrepreneur) yang nantinya digunakan sebagai

pertimbangan dalam penentuan rules terbaik.

Digunakan metode Information Gain pada Orange untuk

membantu dalam melakukan perankingan untuk fitur A1

hingga A14. Didapatkan 5 fitur tertinggi yaitu Etika Profesi

(A10), Status Ink. Bisnis (A13), Bimb. Karir (A11), Jalur

Masuk (A3), dan IPK (A6). Lima fitur terserbut

menunjukkan bahwa semua unsur variabel TPB, yaitu Att

(A3); SN (A6, A10, A11); dan PBC (A13) mempunyai

pengaruh yang signifikan terhadap status kewirausahaan

mahasiswa.

27

27

4.5 Verifikasi Teknik Sampling dan Klasifikasi

Setelah dilakukan proses seleksi fitur, maka tahap

selanjutnya yaitu untuk melakukan ujicoba ke dalam

beberapa metode klasifikasi k-NN (k=5), Decision Tree,

SVM, Random Forest, MLP, Naive Bayes, dan Logistic

Regression.

Pada tahap ini dilakukan klasifikasi dengan

menggunakan beberapa skenario yaitu:

Semua fitur yang merupakan unsur TPB (A1-A14) (Data

01)


5 fitur terbaik tanpa fitur #1 dari hasil seleksi fitur (Data

03)

Tabel 5. Rata-Rata AUC tiap Skenario

Data 01 Data 02 Data 03

CC 0.92 0.78 0.78

ENN 0.96 0.86 0.86

IHT 0.96 0.86 0.86

NM 0.94 0.78 0.79

RUS 0.95 0.83 0.84

Untuk setiap skenario dataset dilakukan klasifikasi

menggunakan 7 metode klasifikasi dimana setiap metode

dilakukan Stratified Cross Validation dengan 10 folds.

28

28

Tabel 5 menunjukkan hasil dari ujicoba klasifikasi untuk

ketiga skenario dengan berbagai metode undersampling

yaitu CC, ENN, IHT, NM, dan RUS. Hasil pada Tabel 5

yaitu rata-rata AUC dari 7 metode klasifikasi yang

dilakukan.

Dari 3 skenario dataset tersebut, dapat dilihat bahwa 2

teknik sampling menggunakan SMOTE-NC+IHT dan

SMOTE-NC+ENN konsisten menghasilkan nilai rata-rata

AUC tertinggi pada 3 skenario tersebut.

4.6 Pembuatan Rules

Setelah menentukan teknik sampling yang paling sesuai

untuk dilanjutkan ke tahap selanjutnya, maka eksperimen

dilanjutkan dengan pembuatan rules. Pada tahapan kali ini,

5 algoritma pembuatan rules yang digunakan yaitu PART,

OneR, RIPPER, J48, dan REPTree menggunakan tools

WEKA.

Pembuatan rules ini akan dijalankan di 5 dataset yang

berbeda, yaitu:

Semua fitur yang merupakan unsur TPB (A1-A14) (Data

01)


5 fitur terbaik tanpa fitur #1 dari hasil seleksi fitur (Data

03)


29

29


Eksperimen pembuatan rules ini dilakukan dalam 3

skenario. Skenario pertama untuk dataset original (tidak

menggunakan teknik sampling), skenario kedua untuk

dataset yang disampling dengan metode SMOTE-NC+IHT

sedangkan skenario ketiga untuk dataset yang disampling

dengan metode SMOTE-NC+ENN.

Gambar 3. Perbandingan Performa Algoritma dari 3 Skenario

30

30

Gambar 3 menunjukkan hasil ujicoba rata-rata performa

algoritma pembuatan rules untuk pada ketiga skenario

tersebut.

Berdasarkan perbandingan kinerja algoritma pembuatan

rules pada tiga skenario, dapat dilihat bahwa pada Gambar

3 (2) memiliki performa yang baik pada berbagai kriteria

kinerja yang ditunjukkan dengan nilai rata-rata yang relatif

tinggi pada accuracy, precision, recall, F-measure, G-mean

dan AUC dengan disertai nilai RMSE yang relatif rendah.

Dari ketiga skenario tersebut, skenario kedua memiliki

kinerja yang konsisten.

Setelah didapatkan skenario yang terbaik, Tabel 6

menunjukkan hasil performa menggunakan 5 metode

pembuatan rules. Hasil terbaik didapatkan dengan

menggunakan algoritma J48 dikarenakan kinerjanya yang

stabil dengan nilai rata-rata pada semua aspek kinerja yang

relatif lebih baik serta hasil yang lebih konsisten pada semua

jenis dataset dibanding dengan algoritma yang lain. Akurasi

terbaik dengan menggunakan algoritma J48 pada skenario

kedua dicapai pada Data 01 dan Data 02 dengan akurasi

masing-masing 90% dan 89.6%.

31

31

Tabel 6. Hasil Ujicoba Skenario Kedua

Algoritma J48 pada skenario 2 yang diterapkan pada

Data 01 menghasilkan 13 rules yang dapat dilihat pada

Tabel 7. Dari 13 rules tersebut terdapat 8 rules yang berhasil

memprediksi potensi entrepreneur dan 5 rules untuk

mengidentifikasikan potensi not-entrepreneur.

32

32

Tabel 7. Rules Prediksi untuk Data 01

Sedangkan untuk algoritma J48 pada skenario 2 yang

diterapkan pada Data 02 menghasilkan 4 rules yang dapat

dilihat pada Tabel 8. Dari keempat rules tersebut, terdapat 2

rules untuk memprediksi potensi entrepreneur dan 2 rules

untuk mengidentifikasikan potensi not-entrepreneur.

33

33

Tabel 8. Rules Prediksi untuk Data 02

4.7 Validasi Model

Rules yang terbentuk akan divalidasi menggunakan nilai

coverage dan accuracy. Tabel 9 menunjukkan bahwa

algoritma J48 pada skenario 2 menggunakan Data 01

berhasil memprediksi 30.26% data masuk ke potensi

entrepreneur, dan memprediksi 69.74% data masuk ke

potensi not-entrepreneur.

Dan untuk prediksi potensi entrepreneur, rata-rata

akurasi seluruh rules adalah 95.49%. Hasil prediksi potensi

not-entreprenueur memiliki rata-rata akurasi seluruh rules

adalah 97. 95%. Rule R1 memiliki akurasi 95.87%. Yang

berarti, dari 121 data not-entrepreneur ada 116 data

(95.87%) yang berhasil benar diprediksi sebagai not-

entrepreneur. Sedangkan untuk Rule R2 memiliki akurasi

100%, artinya 22 data di Rule R2 berhasil diprediksi

seluruhnya sebagai potensi entrepreneur. Nilai coverage

dan akurasi dari masing-masing rules dapat dilihat pada

Tabel 9.

34

34

Tabel 9. Performa Rules Prediksi untuk Data 01

Sedangkan untuk eksperimen pada Data 02, Tabel 10

menunjukkan bahwa eksperimen ini berhasil memprediksi

32.95% data masuk ke potensi entrepreneur, dan

memprediksi 67.65% data masuk ke potensi not-

entrepreneur. Untuk akurasi rata-rata seluruh rules yang

dapat memprediksi potensi entrepreneur adalah 87.65%,

sedangkan rata-rata akurasi prediksi non-entrepreneur

adalah 90.53%.

Potensi Rule Coverage Akurasi

Entrepreneur

R2 8.43% 100.00%

R3 4.21% 100.00%

R4 1.53% 75.00%

R8 3.45% 88.89%

R9 5.36% 100.00%

R11 0.77% 100.00%

R12 1.53% 100.00%

R13 4.98% 100.00%

Not-

Entrepreneur

R1 46.36% 95.87%

R5 1.53% 100.00%

R6 18.77% 93.88%

R7 1.15% 100.00%

R10 1.93% 100.00%

35

35

Tabel 10. Performa Rules Prediksi untuk Data 02

Algoritma J48 pada Data 01 mampu membuat ruleset

dengan tingkat akurasi prediksi yang lebih tinggi juga

mengandung potensi error data pada masing-masing rule

prediksi status entrepreneur yang lebih besar. Sedangkan

untuk Data 02, meskipun menghasilkan tingkat akurasi

prediksi yang lebih rendah, namun juga mengandung

potensi error data pada masing-masing rule prediksi status

entrepreneur lebih rendah juga.

Potensi Rule Coverage Akurasi

Entrepreneur

R2 7.66% 95.00%

R4 25.29% 80.30%

Not-

Entrepreneur

R1 46.36% 95.87%

R3 20.69% 85.19%

36

36


37

37

BAB V

KESIMPULAN DAN SARAN

Kesimpulan yang didapat dari hasil analisis ujicoba pada

penelitian ini dapat dijabarkan sebagai berikut:

Pada permasalahan dataset dengan unsur variabel TPB

yang tidak seimbang, dari eksperimen yang telah

dilakukan menggunakan beberapa skenario

menunjukkan bahwa teknik sampling SMOTE-NC+IHT

dan SMOTE-NC+ENN merupakan teknik sampling

yang paling optimal.

Untuk pembuatan ruleset, algoritma J48 pada dataset 14

fitur dengan akurasi 97.95% dan pada dataset 5 fitur

dengan akurasi 90.53% menghasilkan ruleset dengan

tingkat kinerja yang paling optimal.

Perbedaan kinerja pada 2 ruleset tersebut tidak terlalu

signifikan, sehingga model dapat dikatakan cukup

adaptif meskipun diterapkan pada dataset yang berbeda.

Saran yang dapat dilakukan untuk penelitian selanjutnya

yaitu untuk menggunakan data yang memiliki fitur yang lebih

banyak dan jumlah data yang lebih banyak, sehingga dapat

memanfaatkan penggunaan big data pada penelitian ini.

38

38

DAFTAR PUSTAKA

[1] Jupyter.org. (2019). Project Jupyter. [online] Available at:

https://jupyter.org/ [Accessed 1 Nov. 2020].

[2] Ljubljana, B.L., University of (n.d.). Documentation.

[online] orange.biolab.si. Available at:

https://orange.biolab.si/docs/ [Accessed 1 Nov. 2020].

[3] Data, D. (2019). Membuat Model Image Classification tanpa

Skill Programming dengan Orange Data Mining. [online]

Medium. Available at:

https://medium.com/@danau.data/membuat-model-image-

classification-tanpa-skill-programming-dengan-orange-data-

mining-3fdf5344be31 [Accessed 1 Nov. 2020].

[4] Waikato.ac.nz. (2019). Weka 3 - Data Mining with Open

Source Machine Learning Software in Java. [online] Available

at: https://www.cs.waikato.ac.nz/ml/weka/ [Accessed 1 Nov.

2020].

[5] idtesis.com. (2018). Teori Lengkap tentang Theory Planned

Behaviour (TPB) menurut Para Ahli dan Contoh Tesis Theory

Planned Behaviour (TPB) – Jasa Pembuatan Skripsi dan Tesis

0852.25.88.77.47 (WA). [online] Available at:

https://idtesis.com/teori-lengkap-tentang-theory-planned-

behaviour-tpb-menurut-para-ahli-dan-contoh-tesis-theory-

planned-behaviour-tpb/ [Accessed 1 Nov. 2020].

39

39

[6] Aguilar, F. (2019). SMOTE-NC in ML Categorization

Models fo Imbalanced Datasets. [online] Medium. Available at:

https://medium.com/analytics-vidhya/smote-nc-in-ml-

categorization-models-fo-imbalanced-datasets-8adbdcf08c25

[Accessed 1 Nov. 2020].

[7] imbalanced-learn.readthedocs.io. (n.d.). Welcome to

imbalanced-learn documentation! — imbalanced-learn 0.5.0

documentation. [online] Available at: https://imbalanced-

learn.readthedocs.io/en/stable/index.html [Accessed 1 Nov.

2020].

[8] GeeksforGeeks. (2020). Rule-Based Classifier - Machine

Learning. [online] Available at:

https://www.geeksforgeeks.org/rule-based-classifier-machine-

learning/ [Accessed 1 Nov. 2020].

[9] Towards AI (2020). Decision Trees Explained With a

Practical Example. [online] Towards AI. Available at:

https://towardsai.net/p/programming/decision-trees-explained-

with-a-practical-example-fe47872d3b53 [Accessed 1 Nov.

2020].

40

40

BIODATA PENULIS

Ifta Jihan Nabila, lahir pada tanggal 26

Juni 1999 di Kendal. Penulis

merupakan mahasiswa yang sedang

menempuh studi di Departemen

Informatika Institut Teknologi

Sepuluh Nopember (ITS). Penulis aktif

dalam berorganisasi yaitu pada

Himpunan Mahasiswa Teknik

Computer-Informatika (HMTC) tahun 2020 sebagai Bendahara.

Selain sedang aktif dalam Himpunan, penulis juga merupakan

peserta Virtual Exchange Asia University tahun 2020.

rules untuk prediksi kewirausahaan theory of planned …

Documents